实体
Fully Convolutional Networks for Semantic Segmentation
Fully Convolutional Networks for Semantic Segmentation
PulseAugur coverage of Fully Convolutional Networks for Semantic Segmentation — every cluster mentioning Fully Convolutional Networks for Semantic Segmentation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
关系
最近 · 第 1/1 页 · 共 2 条
-
新研究探索用于时间序列分类的知识蒸馏和上下文学习
两篇新研究论文探讨了时间序列分类（TSC）的先进技术。其中一篇论文研究了知识蒸馏，旨在创建更小、更高效的 TSC 深度学习模型，在保持各种架构性能的同时显著减少参数。另一篇论文介绍了 TimEE，一个使用上下文学习实现端到端 TSC 的基础模型，无需进行每数据集训练，仅通过合成预训练就在 UCR 基准测试中取得了最先进的成果。
-
深度学习模型利用心率信号对新生儿HIE进行分类
研究人员开发了HRVConformer，这是一种新颖的深度学习模型，旨在利用心率信号对新生儿缺氧缺血性脑病（HIE）进行分类。该架构结合了用于局部特征提取的卷积层和用于全局上下文的Transformer注意力机制，对原始心率数据进行端到端处理。HRVConformer在一个大型数据集上进行训练，在测试集上取得了83.23%的AUC和74.56%的准确率，优于现有的基线模型，为自动评估HIE提供了有前景的进展。